BroadRouter

Ogg Opus

Aktualisiert

Ogg Opus ist Audio, das mit dem Opus-Codec (RFC 6716) codiert und in einem Ogg-Container (RFC 7845) gespeichert ist. Es ist für Sprache und interaktives Audio bei niedrigen Bitraten gebaut und das Format, das WhatsApp für Sprachnachrichten nutzt, meist als .ogg- oder .opus-Datei.

Auch genannt: Opus-Codec, Opus-Audio, Ogg, OGG-Datei, Ogg/Opus, WhatsApp-Sprachnachricht Format, Opus codec, Opus audio, OGG file

Laden Sie eine WhatsApp-Sprachnachricht herunter, erhalten Sie eine kleine .ogg-Datei. Darin steckt Opus-Audio, ein Codec, der für Sprachanrufe entwickelt wurde.

So funktioniert es

Es gibt zwei Schichten, jede durch einen IETF-RFC definiert:

Schicht Spezifikation Was sie tut
Opus-Codec RFC 6716 Komprimiert das Audio. Er kombiniert eine Linear-Prediction-Schicht auf Basis von SILK mit einer MDCT-Schicht auf Basis von CELT und reicht von 6 kbit/s für Schmalband-Sprache bis 510 kbit/s für Stereo-Musik
Ogg-Container RFC 7845 Verpackt die Opus-Pakete in eine Datei, beginnend mit einem OpusHead-Identifikationsheader

RFC 6716 nennt fünf Bandbreiten, von Schmalband (8 kHz Abtastrate) bis Vollband (48 kHz). RFC 7845 sagt, dass Granule-Positionen immer Samples bei 48 kHz zählen, egal mit welcher Rate der Decoder ausgibt. Er empfiehlt die Endung .opus und den Medientyp audio/ogg, optional audio/ogg; codecs=opus.

Die Medienreferenz der WhatsApp Cloud API von Meta führt OGG-Audio als audio/ogg mit „Opus codec only“ (Übersetzung: „nur Opus-Codec“), Mono, bis 16 MB.

Warum es wichtig ist

  • Viele APIs nehmen es nicht an. Ein Speech-to-Text-Endpoint, der nur WAV oder MP3 akzeptiert, lehnt eine Sprachnachricht ab, bis Sie sie umwandeln.
  • Die Umwandlung ist billig. Ein einziger ffmpeg-Befehl decodiert Opus zu PCM. Das Ergebnis ist deutlich größer als die Sprachnachricht, achten Sie also auf Dateigrößenlimits.
  • Namensverwechslung. „Opus“ ist bei anderen Anbietern auch ein Modellname. Im Audiokontext ist der Codec gemeint.

Bei BroadNet Inference

Der Transkriptions-Endpoint von BroadNet akzeptiert nur WAV (audio/wav) oder MP3 (audio/mpeg), bis 26.214.400 Bytes pro Datei. Die Dokumentation wandelt eine WhatsApp-Sprachnachricht in einem Schritt um:

ffmpeg -i voice-note.ogg -ar 16000 -ac 1 voice-note.wav

-ar setzt laut ffmpeg-Dokumentation die Abtastfrequenz und -ac die Zahl der Kanäle, dieser Befehl schreibt also WAV mit 16 kHz in Mono. Senden Sie die Datei dann mit language=ar (oder en) an BroadNet Transcribe Arabic oder BroadNet Transcribe. Die Anleitung zu WhatsApp-Sprachnachrichten enthält ein Skript, das einen ganzen Ordner umwandelt und transkribiert, und die n8n-Anleitung erledigt das in einem Workflow. Für eine Sprachnachricht, die zu lang für eine Datei ist, berechnet der Audio-Splitter die Teilstücke.

Häufige Fehler

  • Umbenennen statt umwandeln. .ogg in .wav umzubenennen, ändert nichts am Audio darin. Decodieren Sie mit ffmpeg.
  • -ac 1 weglassen. Stereo verdoppelt die WAV-Größe, ohne der Transkription zu helfen.

Häufige Fragen

Ist eine .ogg-Datei immer Opus?

Nein. Ogg ist ein Container und kann andere Codecs enthalten. Die Cloud API von WhatsApp akzeptiert audio/ogg nur mit dem Opus-Codec und nur in Mono, daher sind WhatsApp-Sprachnachrichten Ogg Opus.

Kann ich eine .ogg-Sprachnachricht direkt an BroadNet schicken?

Nein. Der Transkriptions-Endpoint von BroadNet akzeptiert WAV und MP3. Wandeln Sie vorher um mit ffmpeg -i voice-note.ogg -ar 16000 -ac 1 voice-note.wav.

Was ist der Unterschied zwischen .ogg- und .opus-Dateien?

RFC 7845 empfiehlt die Endung .opus für Ogg-Opus-Dateien und audio/ogg als Medientyp. Viele Apps verwenden für denselben Inhalt weiterhin .ogg.

Als Markdown lesenChatGPT fragenClaude fragenPerplexity fragen